CN117150851A - 一种基于智能交互的结构设计分析优化一体化方法及*** - Google Patents
一种基于智能交互的结构设计分析优化一体化方法及*** Download PDFInfo
- Publication number
- CN117150851A CN117150851A CN202311104645.5A CN202311104645A CN117150851A CN 117150851 A CN117150851 A CN 117150851A CN 202311104645 A CN202311104645 A CN 202311104645A CN 117150851 A CN117150851 A CN 117150851A
- Authority
- CN
- China
- Prior art keywords
- optimization
- analysis
- information
- carrying
- boundary
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013461 design Methods 0.000 title claims abstract description 149
- 238000005457 optimization Methods 0.000 title claims abstract description 130
- 238000004458 analytical method Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000003993 interaction Effects 0.000 title claims abstract description 29
- 238000012916 structural analysis Methods 0.000 claims abstract description 13
- 238000011049 filling Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000009499 grossing Methods 0.000 claims abstract description 4
- 239000000463 material Substances 0.000 claims description 18
- 238000000354 decomposition reaction Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000006073 displacement reaction Methods 0.000 claims description 12
- 238000003780 insertion Methods 0.000 claims description 12
- 230000037431 insertion Effects 0.000 claims description 12
- 230000017525 heat dissipation Effects 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 239000012530 fluid Substances 0.000 claims description 6
- 238000010206 sensitivity analysis Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 230000014509 gene expression Effects 0.000 claims description 5
- 230000002401 inhibitory effect Effects 0.000 claims description 5
- 239000013589 supplement Substances 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 238000011068 loading method Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000003058 natural language processing Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 210000004027 cell Anatomy 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 239000000047 product Substances 0.000 description 3
- 229910000838 Al alloy Inorganic materials 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000003888 boundary cell Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/20—Configuration CAD, e.g. designing by assembling or positioning modules selected from libraries of predesigned modules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Architecture (AREA)
- Human Computer Interaction (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于智能交互的结构设计分析优化一体化方法及***,该方法包括下述步骤:获取输入内容并转换成文本信息,基于语义识别得到语义信息,将语义信息与语料库进行对比提取得到结构设计的关键词、结构设计的关键参数及结构分析的重要信息,生成优化程序,匹配对应的优化程序并将语义信息中的参数数据分别填入,生成可执行程序;进行CAD***建模,进行网格划分,并采用等几何比例边界有限元进行结构性能分析,调用设计目标所对应的优化程序进行拓扑优化,当满足拓扑优化收敛条件时,对拓扑结构进行光滑处理并输出优化后的拓扑结构。本发明实现结构建模、分析和优化的一体化设计,具有操作简便、处理时间短和智能化程度高等特点。
Description
技术领域
本发明涉及结构设计优化技术领域,具体涉及一种基于智能交互的结构设计分析优化一体化方法及***。
背景技术
随着智能制造的不断发展,传统的结构设计方法已不能满足高端制造业的设计需求,设计周期短、自动化程度高的先进产品结构设计方法,是实现智能制造、互联互通,提升产品结构性能的重要途径;而现有结构设计技术往往采用CAD建模、CAE分析、结构优化、模型重构等设计流程,其中CAD模型无法直接进行CAE分析,需进行繁琐的模型转化,且设计师需全程参与设计操作,人工、时间成本较高。因此,亟需一种能够在产品智能制造等方面实现智能交互,实现智能、高效的结构设计分析优化一体化的技术方案以满足目前高端制造业的设计需求。
发明内容
为了克服现有技术存在的缺陷与不足,本发明提供一种基于智能交互的结构设计分析优化一体化方法及***,本发明运用NLP算法对设计人员提供的输入信息进行关键词拾取,并借助人机交互实现必要信息的补充完善,通过调用程序命令库,将上述信息导入一体化设计***,生成优化程序,进而开展结构建模、分析和优化的一体化设计,其中基于NURBS增强的四叉树/八叉树等几何比例边界有限元方法可用于结构的分析和优化,本发明解决了传统结构设计流程中,对设计人员专业化要求高、***智能化程度低等问题,同时本发明具有操作简便、处理时间短和智能化程度高等特点。
为了达到上述目的,本发明采用以下技术方案:
本发明提供一种基于智能交互的结构设计分析优化一体化方法,包括下述步骤:
获取设计人员的语音输入内容或文本输入内容;
基于语音识别将语音输入内容转换成文本信息;
基于NLP算法对文本信息进行语义识别,得到语义信息;
构建结构设计的关键词命令库、结构设计的关键参数命令库、结构分析的重要信息命令库作为NLP算法训练的语料库;
将语义信息与语料库进行对比,提取得到语义信息中的结构设计的关键词、结构设计的关键参数及结构分析的重要信息;
基于预设的结构设计分析优化所需参数,判断提取出的语义信息是否缺失或修改结构设计分析优化所需参数,若判定为缺失或修改参数,则存储当前已识别的信息,返回补充所缺失的信息或者修改已识别的信息,若判定为未缺失或未修改参数,则生成优化程序;
所述优化程序包括:确定优化方式、设计域、设计目标、约束条件以及结构设计分析优化所需参数,构建拓扑优化模型,基于有限元方法进行数值求解,进行灵敏度分析并基于过滤方法抑制数值不稳定现象,对设计变量进行迭代更新,直至满足收敛条件后输出最优材料分布方案;
根据所获取的语义信息中优化方式、设计目标和约束条件匹配对应的优化程序,同时将语义信息中的参数数据分别填入优化程序,生成可执行程序;
进行CAD***自动化建模,进行网格划分,并采用等几何比例边界有限元进行结构性能分析,调用设计目标所对应的优化程序进行拓扑优化,当满足拓扑优化收敛条件时,对拓扑结构进行光滑处理并输出优化后的拓扑结构。
作为优选的技术方案,结构设计的关键词命令库包括:设计目标、载荷条件、约束条件;
结构设计的关键参数命令库包括:材料的弹性模量或杨氏模量、泊松比、密度、传热系数、热弹性矩阵、流体粘度、应力;
结构分析的重要信息命令库包括静力学分析、动力学分析、热力学分析、散热分析、热传导分析、流体分析。
作为优选的技术方案,所述设计目标包括:最小柔度、最大刚度、结构柔度、最小散热弱度等;边界条件包括:上/下/左/右边界完全固定、上/下/左/右边界仅固定x方向或y方向或z方向、约束某端点、约束某特征点、绝缘边界;
所述载荷条件包括:力、压力、载荷、热载荷、热源、流速大小;
约束条件包括:体积分数、应力约束、振动频率约束、位移约束。
作为优选的技术方案,所述返回补充所缺失的信息或者修改已识别的信息,通过调用缺省值以及NLP语义识别判断,补充所缺失的信息;
在CAD建模中,判断模型是否是完全定义;在等几何静力学分析中,判断材料属性、边界条件、载荷条件是否全部给出;在等几何拓扑优化中,判断设计域、目标函数、约束条件是否给定。
作为优选的技术方案,所述优化方式包括:拓扑优化、形状优化、尺寸优化;
所述设计目标包括:结构柔度最小、质量最轻、体积最小、散热弱度最小、耗能最小和多目标耦合;
所述约束条件包括:体积约束、位移约束、应力约束、温度约束和多约束。
作为优选的技术方案,CAD***自动化建模采用等几何样条构建样条边界表达模型,所述等几何样条包括NURBS、T样条、B样条;
所述网格划分采用样条基函数进行网格划分,或采用四叉树/八叉树网格进行网格划分。
作为优选的技术方案,进行CAD***自动化建模,进行网格划分,并采用等几何比例边界有限元进行结构性能分析,调用设计目标所对应的优化程序进行拓扑优化,具体包括:
使用NURBS建立结构模型,基于四叉树分解技术进行网格划分,设计域内部的单元采用刚度矩阵预先存储,对于NURBS边界上的单元,根据NURBS曲线与四叉树网格的交点坐标,通过物理点信息进行点的反求,获取交点对应的节点向量,通过节点***获取新的NURBS曲线,NURBS曲线与四叉树网格交点位置处均分布重构后NURBS曲线的控制点;
基于比例边界有限元方法建立比例边界坐标系,将边界单元降维离散成NURBS线元和普通线元,两者的位移场分别由NURBS形函数和传统拉格朗日形函数构造,在环向方向上进行数值求解,在径向方向进行解析求解;
对于三维问题基于八叉树分解进行网格划分,内部六面体单元采用刚度矩阵预先存储,对于边界上的单元,根据NURBS曲面与八叉树网格的交点,采用点的反求以及节点***重构NURBS曲面信息,借助比例边界有限元将边界单元降维离散为NURBS曲面和普通平面,分别进行分析求解,完成等几何比例边界有限元拓扑优化。
作为优选的技术方案,可执行程序包括:
建立CAD模型,生成NURBS曲面,通过四叉树分解划分设计域并构造NURBS单元,基于约束条件和载荷条件获得CAE模型;
基于CAE模型调用基于控制点密度的等几何比例边界有限元拓扑优化程序,得到优化结果,将优化结果进行光滑处理。
本发明还提供一种基于智能交互的结构设计分析优化一体化***,包括:输入内容获取模块、输入内容转换模块、语义识别模块、语料库构建模块、信息提取模块、语义信息分析模块、优化程序生成模块、可执行程序生成模块、CAD建模模块、网格划分模块、结构性能分析模块、拓扑优化模块、结果输出模块;
所述输入内容获取模块用于获取设计人员的语音输入内容或文本输入内容;
所述输入内容转换模块用于基于语音识别将语音输入内容转换成文本信息;
所述语义识别模块用于基于NLP算法对文本信息进行语义识别,得到语义信息;
所述语料库构建模块用于构建结构设计的关键词命令库、结构设计的关键参数命令库、结构分析的重要信息命令库作为NLP算法训练的语料库;
所述信息提取模块用于将语义信息与语料库进行对比,提取得到语义信息中的结构设计的关键词、结构设计的关键参数及结构分析的重要信息;
所述语义信息分析模块用于基于预设的结构设计分析优化所需参数,判断提取出的语义信息是否缺失或修改结构设计分析优化所需参数,若判定为缺失或修改参数,则存储当前已识别的信息,返回补充所缺失的信息或者修改已识别的信息,若判定为未缺失或未修改参数,则生成优化程序;
所述优化程序生成模块用于生成优化程序,所述优化程序包括:确定优化方式、设计域、设计目标、约束条件以及结构设计分析优化所需参数,构建拓扑优化模型,基于有限元方法进行数值求解,进行灵敏度分析并基于过滤方法抑制数值不稳定现象,对设计变量进行迭代更新,直至满足收敛条件后输出最优材料分布方案;
所述可执行程序生成模块用于根据所获取的语义信息中优化方式、设计目标和约束条件匹配对应的优化程序,同时将语义信息中的参数数据分别填入优化程序,生成可执行程序;
所述CAD建模模块用于进行CAD***自动化建模;
所述网格划分模块用于进行网格划分;
所述结构性能分析模块用于采用等几何比例边界有限元进行结构性能分析;
所述拓扑优化模块用于调用设计目标所对应的优化程序进行拓扑优化,直至满足拓扑优化收敛条件;
所述结果输出模块用于对拓扑结构进行光滑处理并输出优化后的拓扑结构。
作为优选的技术方案,所述网格划分模块用于进行网格划分,所述结构性能分析模块用于采用等几何比例边界有限元进行结构性能分析,具体包括:
使用NURBS建立结构模型,基于四叉树分解技术进行网格划分,设计域内部的单元采用刚度矩阵预先存储,对于NURBS边界上的单元,根据NURBS曲线与四叉树网格的交点坐标,通过物理点信息进行点的反求,获取交点对应的节点向量,通过节点***获取新的NURBS曲线,NURBS曲线与四叉树网格交点位置处均分布重构后NURBS曲线的控制点;
基于比例边界有限元方法建立比例边界坐标系,将边界单元降维离散成NURBS线元和普通线元,两者的位移场分别由NURBS形函数和传统拉格朗日形函数构造,在环向方向上进行数值求解,在径向方向进行解析求解;
对于三维问题基于八叉树分解进行网格划分,内部六面体单元采用刚度矩阵预先存储,对于边界上的单元,根据NURBS曲面与八叉树网格的交点,采用点的反求以及节点***重构NURBS曲面信息,借助比例边界有限元将边界单元降维离散为NURBS曲面和普通平面,分别进行分析求解,完成等几何比例边界有限元拓扑优化。
本发明与现有技术相比,具有如下优点和有益效果:
本发明采用自然语言处理、人机交互和结构设计分析优化一体化的技术方案,可以通过语音/文本输入的方法指导结构设计,无需使用繁琐的手动操作流程,无需对设计人员进行专门操作培训即可使用,此外四叉树/八叉树分解技术的应用极大地缩减了网格划分的时间,而NURBS曲线结合比例边界有限元的采用则有限缩减了网格划分的规模,提供了一种高效、精确的求解方案,解决了传统结构设计流程中智能化程度和自动化程度低的问题,达到了结构设计便捷、直观、智能交互、上手门槛低的技术效果。
附图说明
图1为本发明基于智能交互的结构设计分析优化一体化方法的流程示意图;
图2为本发明基于智能交互的结构设计分析优化一体化方法的操作界面示意图;
图3为本发明初始CAD模型及边界条件的示意图;
图4为本发明拓扑优化的流程示意图;
图5为本发明四叉树分解后的内部单元形式示意图;
图6为本发明边界单元及NURBS重构示意图;
图7为本发明结构设计优化结果拓扑构型示意图;
图8为本发明结构设计优化结果的可编辑CAD模型示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
如图1所示,本实施例提供一种基于智能交互的结构设计分析优化一体化方法,本实施例以经典的悬臂梁进行说明,用户希望获得指定重量的悬臂梁,基于等几何比例边界有限元拓扑优化来完成优化任务,当然,本实施例不局限于悬臂梁结构,也不局限于等几何比例边界有限元拓扑优化,具体包括下述步骤:
步骤S1:获取设计人员的语音输入内容或文本输入内容;
步骤S2:采用计算机自动语音识别(Automatic Speech Recognition)技术对语音信息进行处理,转换成文本信息;
如图2所示,提取出文字信息:“对一个80mm×40mm的矩形设计域进行拓扑优化设计,材料选用铝合金,以结构柔度为目标,体积为约束,对其左边界进行约束,右下角施加向下的一个力”并依据提示补充完善信息:“右下角施加向下的一个大小为10牛的力,求体积减少50%后的结构”。
步骤S3:根据文本信息,采用NLP算法进行语义识别,根据统计模型对用户输入的错字病句进行修正;
在步骤S3中采用NLP算法进行语义识别,通过输入设备采集大量语音/文本内容,并对语义材料库进行去噪处理,建立语义材料库用于算法的学习和训练,同时设计人员每次输入的语义信息也被保存,丰富语义材料库,可以不断提高NLP算法的识别精度。
步骤S4:通过与语料库进行对比,提取出相关的参数信息,包括文本中的关键词、关键参数及重要信息,例如:优化设计目标、约束条件、边界条件、外部载荷、材料参数等;
在步骤S4中提取文本中的关键词、关键参数及重要信息,首先构建关键词命令库、关键参数命令库、重要信息命令库作为NLP算法训练的语料库,其主要内容如下:
关键词命令库包括:设计目标、载荷条件、约束条件等,其中,设计目标包括:最小柔度、最大刚度、结构柔度、最小散热弱度等;边界条件包括:上/下/左/右边界完全固定、上/下/左/右边界仅固定x方向或y方向或z方向、约束某端点、约束某特征点、绝缘边界等;载荷条件包括:力、压力、载荷、热载荷、热源、流速大小等;约束条件包括:体积分数、应力约束、振动频率约束、位移约束等;
关键参数命令库包括:材料的弹性模量/杨氏模量、泊松比、密度、传热系数、热弹性矩阵、流体粘度、应力等;
重要信息命令库包括:静力学分析、动力学分析、热力学分析、散热分析、热传导分析、流体分析等。
在本实施例中,CAD模型的形状为矩形,尺寸为长度80mm,高度40mm;CAE模型源于前述矩形,填充材料为铝合金,约束类型为自由度约束,约束方向为全部自由度,施加在矩形的左边;载荷类型为集中载荷,大小为10N,方向向下,施加在右下角,如图3所示,拓扑优化的设计域为前述的矩形,优化目标为结构柔度,约束条件是50%的体积约束。
步骤S5:基于结构设计分析优化所必须的参数,如材料、载荷、约束等,判断提取出的文本信息中是否缺失或修改结构设计优化所必要的信息,如果无缺失或修改信息,则继续执行下一步骤;如果缺失或修改信息,则存储当前已识别的文本信息,返回至步骤S1,通过计算机对话框提醒,请设计人员补充所缺失的信息,或者修改已识别的信息,实现人机交互若判断无缺失信息则执行步骤S6;
在本实施例中,通过调用缺省值以及NLP语义识别判断,自动补充步骤S4中必要的但未提及的条件。例如:CAD模型中,缺省的矩形建模位置是坐标原点,绕各坐标轴的旋转角度均为0,由此推断出矩形的两个对角点为(0,0)和(80mm,40mm);CAE模型中,缺省的单元尺寸为1mm,推断约束施加在(0,0)到(0,40mm)的线段,集中载荷施加在(80mm,0),方向为y轴负方向;拓扑优化模型中,缺省的优化收敛条件为体积变化小于1%或者迭代次数大于500次。结合上述条件,在CAD建模中,判断模型是否是完全定义的,包括位置、尺寸等;在等几何静力学分析中,判断材料属性、边界条件、载荷条件是否全部给出;在等几何拓扑优化中,判断设计域、目标函数、约束条件是否给定。
步骤S5中的人机交互可实现输入信息的修改完善,该步骤中,计算机***会对识别信息进行及时的反馈,以便进行观察核验;此外可以通过语音/文本输入对识别信息进行修改完善,直至输入信息满足设计人员需求,并符合一体化程序运行条件。
步骤S6:当通过语料库识别的文本信息满足优化相关设置后,会调用所需的程序命令库,将各种必要信息嵌入到优化程序,生成可执行的优化程序。
在步骤S6中的程序命令库是该***中已配置完成的程序,每一种优化方式、设计目标和约束条件分别对应其不同的优化程序。根据所获取的文本信息中的优化方式、设计目标和约束条件调用对应的优化程序,同时将文本信息中的参数数据分别填入程序,生成可执行程序。
如图4所示,以拓扑优化为例,优化程序包括:1、前期的准备工作,确定优化方式、设计域、设计目标、约束条件以及执行优化所必需的参数;2、确定建模方案,借助变密度法、水平集法、渐进结构优化法、移动可变形组件法等优化方法建立相应的数学模型;3、数值求解方案,借助有限元法、等几何比例边界有限元方法等进行数值求解;4、灵敏度分析,采用密度过滤、灵敏度过滤等过滤方法抑制可能出现的数值不稳定现象,如灰度单元、局部极值、网格依赖性和棋盘格格式等;5、设计变量的迭代更新,借助优化准则法、移动渐近线法、序列凸规划法等进行迭代更新。
其中,优化方式包括:拓扑优化、形状优化、尺寸优化等;设计目标包括:结构柔度最小、质量最轻、体积最小,散热弱度最小、耗能最小,多目标耦合等。约束条件包括:体积约束、位移约束、应力约束、温度约束,多约束等。
在本实施例中,根据上述步骤获得的参数,以及推断的需要执行的模块,生成完整的可执行程序,该程序包括CAD***自动化建模、等几何比例边界有限元静力学分析、基于控制点密度的等几何比例边界有限元拓扑优化、优化结果后处理。
步骤S7:执行一体化程序,首先根据程序命令进行CAD***的自动化建模,其次对上述模型进行结构性能分析。
步骤S7的CAD***自动化建模主要采用NURBS、T样条、B样条等几何样条构建的边界表达模型,结构性能分析可以采用样条基函数进行网格划分的方式进行精确分析,也可以借助自适应的四叉树/八叉树网格进行网格划分,并采用等几何比例边界有限元进行精确分析。采用等几何比例边界有限元进行性能分析,可直接使用CAD***生成的样条边界表达模型,无需对精确CAD边界进行插值逼近。结构优化中则调用设计目标所对应的优化程序进行拓扑优化;
步骤S7一体化过程可以借助等几何比例边界有限元分析方法实现。由于数学表达的一致性,使用NURBS建立结构模型。进而借助满足2:1规则的四叉树分解技术进行自适应的快速高效的网格划分。由于设计域内部的单元形式只有16种,如图5所示,展示了其中6种,其余单元可由以下单元旋转而来,其中悬挂节点的问题可由比例边界有限元解决,故可将上述单元的刚度矩阵预先计算并存储在内存中,以便在求解期间快速检索。如图6所示,对于NURBS边界上的单元(即CAD几何模型边界所在的单元),根据NURBS曲线与四叉树网格的交点坐标,通过物理点信息进行点的反求,从而获取交点对应的节点向量,并通过节点***,获取新的NURBS曲线。此时,曲线与四叉树网格交点位置处均分布重构后NURBS曲线的控制点,以便于后续的精确求解。而后,借助比例边界有限元方法建立比例边界坐标系,将边界单元降维离散成NURBS线元和普通线元,二者的位移场分别由NURBS形函数和传统拉格朗日形函数构造,在环向方向上进行数值求解,在径向方向进行解析求解。其中,由于NURBS曲线可以精确描述几何模型的边界,故无需提供大量的种子点对域边界进行细致划分,这无疑减少了网格划分成本,进一步提升了求解效率。同样,对于三维问题,可借助八叉树分解进行网格划分,内部六面体单元仍采用刚度矩阵预先存储的方法,以便快速检索。对于边界上的单元,则根据NURBS曲面与八叉树网格的交点,采用点的反求以及节点***重构NURBS曲面信息,以便于后续的精确求解。最后借助比例边界有限元将边界单元降维离散为NURBS曲面和普通平面,分别进行分析求解。在此基础上开展等几何比例边界有限元拓扑优化,实现结构建模、优化、分析的一体化,避免了传统采用拉格朗日插值的CAE分析导致的模型转换繁琐问题。
自动执行步骤S6中生成的可执行程序。该可执行程序实现如下功能:(1)建立对角点分别位于(0,0)和(80mm,40mm)的矩形模型,生成NURBS曲面;(2)通过四叉树分解划分设计域并构造NURBS单元,并施加前述的约束条件和载荷条件,获得CAE模型;(3)基于该CAE模型,调用基于控制点密度的等几何比例边界有限元拓扑优化程序,其中优化目标、约束条件和设计域与步骤S4中的一致,如图7所示,获得优化结果;(4)获得优化结果后,如图8所示,对结果进行后处理,把分析模型转化为可编辑的CAD模型,并满足后续的设计和制造需求。
步骤S8:设计过程中智能交互***的实时反馈,可满足设计人员通过语音/文本输入来确定优化是否需要改善特定的结构性能,最后,自动执行结构优化程序,生成优化后的设计结构;
步骤S8的一体化过程中智能交互***会对设计流程进行实时反馈,设计人员则可按照设计需求,通过语音/文本输入对结构性能进行修改,结构优化***则调用设计目标所对应的优化程序进行拓扑优化,当满足拓扑优化收敛条件时,进行模型的光滑处理,并导出优化后结构。结合图7所示,可以看到优化后的模型存在具锯齿状边界,不满足制造需求,所以需要进行光滑处理。
步骤S9:设计人员根据自动优化出的结构判断结果是否满意,如果满意,则输出设计结果模型;如果不满意,则设计人员输入要改善的信息,返回步骤S7,再次进行结构优化,直至设计人员满意后,输出设计结果模型。
实施例2
本实施例除以下技术内容外,其余技术内容与实施例1相同;
本实施例提供一种基于智能交互的结构设计分析优化一体化***,包括:输入内容获取模块、输入内容转换模块、语义识别模块、语料库构建模块、信息提取模块、语义信息分析模块、优化程序生成模块、可执行程序生成模块、CAD建模模块、网格划分模块、结构性能分析模块、拓扑优化模块、结果输出模块;
在本实施例中,输入内容获取模块用于获取设计人员的语音输入内容或文本输入内容;
在本实施例中,输入内容转换模块用于基于语音识别将语音输入内容转换成文本信息;
在本实施例中,语义识别模块用于基于NLP算法对文本信息进行语义识别,得到语义信息;
在本实施例中,语料库构建模块用于构建结构设计的关键词命令库、结构设计的关键参数命令库、结构分析的重要信息命令库作为NLP算法训练的语料库;
在本实施例中,信息提取模块用于将语义信息与语料库进行对比,提取得到语义信息中的结构设计的关键词、结构设计的关键参数及结构分析的重要信息;
在本实施例中,语义信息分析模块用于基于预设的结构设计分析优化所需参数,判断提取出的语义信息是否缺失或修改结构设计分析优化所需参数,若判定为缺失或修改参数,则存储当前已识别的信息,返回补充所缺失的信息或者修改已识别的信息,若判定为未缺失或未修改参数,则生成优化程序;
在本实施例中,优化程序生成模块用于生成优化程序,所述优化程序包括:确定优化方式、设计域、设计目标、约束条件以及结构设计分析优化所需参数,构建拓扑优化模型,基于有限元方法进行数值求解,进行灵敏度分析并基于过滤方法抑制数值不稳定现象,对设计变量进行迭代更新,直至满足收敛条件后输出最优材料分布方案;
在本实施例中,可执行程序生成模块用于根据所获取的语义信息中优化方式、设计目标和约束条件匹配对应的优化程序,同时将语义信息中的参数数据分别填入优化程序,生成可执行程序;
在本实施例中,CAD建模模块用于进行CAD***自动化建模;
在本实施例中,网格划分模块用于进行网格划分;
在本实施例中,结构性能分析模块用于采用等几何比例边界有限元进行结构性能分析;
在本实施例中,拓扑优化模块用于调用设计目标所对应的优化程序进行拓扑优化,直至满足拓扑优化收敛条件;
在本实施例中,结果输出模块用于对拓扑结构进行光滑处理并输出优化后的拓扑结构。
在本实施例中,网格划分模块用于进行网格划分,结构性能分析模块用于采用等几何比例边界有限元进行结构性能分析,具体包括:
使用NURBS建立结构模型,基于四叉树分解技术进行网格划分,设计域内部的单元采用刚度矩阵预先存储,对于NURBS边界上的单元,根据NURBS曲线与四叉树网格的交点坐标,通过物理点信息进行点的反求,获取交点对应的节点向量,通过节点***获取新的NURBS曲线,NURBS曲线与四叉树网格交点位置处均分布重构后NURBS曲线的控制点;
基于比例边界有限元方法建立比例边界坐标系,将边界单元降维离散成NURBS线元和普通线元,两者的位移场分别由NURBS形函数和传统拉格朗日形函数构造,在环向方向上进行数值求解,在径向方向进行解析求解;
对于三维问题基于八叉树分解进行网格划分,内部六面体单元采用刚度矩阵预先存储,对于边界上的单元,根据NURBS曲面与八叉树网格的交点,采用点的反求以及节点***重构NURBS曲面信息,借助比例边界有限元将边界单元降维离散为NURBS曲面和普通平面,分别进行分析求解,完成等几何比例边界有限元拓扑优化。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种基于智能交互的结构设计分析优化一体化方法,其特征在于,包括下述步骤:
获取设计人员的语音输入内容或文本输入内容;
基于语音识别将语音输入内容转换成文本信息;
基于NLP算法对文本信息进行语义识别,得到语义信息;
构建结构设计的关键词命令库、结构设计的关键参数命令库、结构分析的重要信息命令库作为NLP算法训练的语料库;
将语义信息与语料库进行对比,提取得到语义信息中的结构设计的关键词、结构设计的关键参数及结构分析的重要信息;
基于预设的结构设计分析优化所需参数,判断提取出的语义信息是否缺失或修改结构设计分析优化所需参数,若判定为缺失或修改参数,则存储当前已识别的信息,返回补充所缺失的信息或者修改已识别的信息,若判定为未缺失或未修改参数,则生成优化程序;
所述优化程序包括:确定优化方式、设计域、设计目标、约束条件以及结构设计分析优化所需参数,构建拓扑优化模型,基于有限元方法进行数值求解,进行灵敏度分析并基于过滤方法抑制数值不稳定现象,对设计变量进行迭代更新,直至满足收敛条件后输出最优材料分布方案;
根据所获取的语义信息中优化方式、设计目标和约束条件匹配对应的优化程序,同时将语义信息中的参数数据分别填入优化程序,生成可执行程序;
进行CAD***自动化建模,进行网格划分,并采用等几何比例边界有限元进行结构性能分析,调用设计目标所对应的优化程序进行拓扑优化,当满足拓扑优化收敛条件时,对拓扑结构进行光滑处理并输出优化后的拓扑结构。
2.根据权利要求1所述的基于智能交互的结构设计分析优化一体化方法,其特征在于,结构设计的关键词命令库包括:设计目标、载荷条件、约束条件;
结构设计的关键参数命令库包括:材料的弹性模量或杨氏模量、泊松比、密度、传热系数、热弹性矩阵、流体粘度、应力;
结构分析的重要信息命令库包括静力学分析、动力学分析、热力学分析、散热分析、热传导分析、流体分析。
3.根据权利要求2所述的基于智能交互的结构设计分析优化一体化方法,其特征在于,所述设计目标包括:最小柔度、最大刚度、结构柔度、最小散热弱度等;边界条件包括:上/下/左/右边界完全固定、上/下/左/右边界仅固定x方向或y方向或z方向、约束某端点、约束某特征点、绝缘边界;
所述载荷条件包括:力、压力、载荷、热载荷、热源、流速大小;
约束条件包括:体积分数、应力约束、振动频率约束、位移约束。
4.根据权利要求1所述的基于智能交互的结构设计分析优化一体化方法,其特征在于,所述返回补充所缺失的信息或者修改已识别的信息,通过调用缺省值以及NLP语义识别判断,补充所缺失的信息;
在CAD建模中,判断模型是否是完全定义;在等几何静力学分析中,判断材料属性、边界条件、载荷条件是否全部给出;在等几何拓扑优化中,判断设计域、目标函数、约束条件是否给定。
5.根据权利要求1所述的基于智能交互的结构设计分析优化一体化方法,其特征在于,所述优化方式包括:拓扑优化、形状优化、尺寸优化;
所述设计目标包括:结构柔度最小、质量最轻、体积最小、散热弱度最小、耗能最小和多目标耦合;
所述约束条件包括:体积约束、位移约束、应力约束、温度约束和多约束。
6.根据权利要求1所述的基于智能交互的结构设计分析优化一体化方法,其特征在于,CAD***自动化建模采用等几何样条构建样条边界表达模型,所述等几何样条包括NURBS、T样条、B样条;
所述网格划分采用样条基函数进行网格划分,或采用四叉树/八叉树网格进行网格划分。
7.根据权利要求1所述的基于智能交互的结构设计分析优化一体化方法,其特征在于,进行CAD***自动化建模,进行网格划分,并采用等几何比例边界有限元进行结构性能分析,调用设计目标所对应的优化程序进行拓扑优化,具体包括:
使用NURBS建立结构模型,基于四叉树分解技术进行网格划分,设计域内部的单元采用刚度矩阵预先存储,对于NURBS边界上的单元,根据NURBS曲线与四叉树网格的交点坐标,通过物理点信息进行点的反求,获取交点对应的节点向量,通过节点***获取新的NURBS曲线,NURBS曲线与四叉树网格交点位置处均分布重构后NURBS曲线的控制点;
基于比例边界有限元方法建立比例边界坐标系,将边界单元降维离散成NURBS线元和普通线元,两者的位移场分别由NURBS形函数和传统拉格朗日形函数构造,在环向方向上进行数值求解,在径向方向进行解析求解;
对于三维问题基于八叉树分解进行网格划分,内部六面体单元采用刚度矩阵预先存储,对于边界上的单元,根据NURBS曲面与八叉树网格的交点,采用点的反求以及节点***重构NURBS曲面信息,借助比例边界有限元将边界单元降维离散为NURBS曲面和普通平面,分别进行分析求解,完成等几何比例边界有限元拓扑优化。
8.根据权利要求1所述的基于智能交互的结构设计分析优化一体化方法,其特征在于,可执行程序包括:
建立CAD模型,生成NURBS曲面,通过四叉树分解划分设计域并构造NURBS单元,基于约束条件和载荷条件获得CAE模型;
基于CAE模型调用基于控制点密度的等几何比例边界有限元拓扑优化程序,得到优化结果,将优化结果进行光滑处理。
9.一种基于智能交互的结构设计分析优化一体化***,其特征在于,包括:输入内容获取模块、输入内容转换模块、语义识别模块、语料库构建模块、信息提取模块、语义信息分析模块、优化程序生成模块、可执行程序生成模块、CAD建模模块、网格划分模块、结构性能分析模块、拓扑优化模块、结果输出模块;
所述输入内容获取模块用于获取设计人员的语音输入内容或文本输入内容;
所述输入内容转换模块用于基于语音识别将语音输入内容转换成文本信息;
所述语义识别模块用于基于NLP算法对文本信息进行语义识别,得到语义信息;
所述语料库构建模块用于构建结构设计的关键词命令库、结构设计的关键参数命令库、结构分析的重要信息命令库作为NLP算法训练的语料库;
所述信息提取模块用于将语义信息与语料库进行对比,提取得到语义信息中的结构设计的关键词、结构设计的关键参数及结构分析的重要信息;
所述语义信息分析模块用于基于预设的结构设计分析优化所需参数,判断提取出的语义信息是否缺失或修改结构设计分析优化所需参数,若判定为缺失或修改参数,则存储当前已识别的信息,返回补充所缺失的信息或者修改已识别的信息,若判定为未缺失或未修改参数,则生成优化程序;
所述优化程序生成模块用于生成优化程序,所述优化程序包括:确定优化方式、设计域、设计目标、约束条件以及结构设计分析优化所需参数,构建拓扑优化模型,基于有限元方法进行数值求解,进行灵敏度分析并基于过滤方法抑制数值不稳定现象,对设计变量进行迭代更新,直至满足收敛条件后输出最优材料分布方案;
所述可执行程序生成模块用于根据所获取的语义信息中优化方式、设计目标和约束条件匹配对应的优化程序,同时将语义信息中的参数数据分别填入优化程序,生成可执行程序;
所述CAD建模模块用于进行CAD***自动化建模;
所述网格划分模块用于进行网格划分;
所述结构性能分析模块用于采用等几何比例边界有限元进行结构性能分析;
所述拓扑优化模块用于调用设计目标所对应的优化程序进行拓扑优化,直至满足拓扑优化收敛条件;
所述结果输出模块用于对拓扑结构进行光滑处理并输出优化后的拓扑结构。
10.根据权利要求9所述的基于智能交互的结构设计分析优化一体化***,其特征在于,所述网格划分模块用于进行网格划分,所述结构性能分析模块用于采用等几何比例边界有限元进行结构性能分析,具体包括:
使用NURBS建立结构模型,基于四叉树分解技术进行网格划分,设计域内部的单元采用刚度矩阵预先存储,对于NURBS边界上的单元,根据NURBS曲线与四叉树网格的交点坐标,通过物理点信息进行点的反求,获取交点对应的节点向量,通过节点***获取新的NURBS曲线,NURBS曲线与四叉树网格交点位置处均分布重构后NURBS曲线的控制点;
基于比例边界有限元方法建立比例边界坐标系,将边界单元降维离散成NURBS线元和普通线元,两者的位移场分别由NURBS形函数和传统拉格朗日形函数构造,在环向方向上进行数值求解,在径向方向进行解析求解;
对于三维问题基于八叉树分解进行网格划分,内部六面体单元采用刚度矩阵预先存储,对于边界上的单元,根据NURBS曲面与八叉树网格的交点,采用点的反求以及节点***重构NURBS曲面信息,借助比例边界有限元将边界单元降维离散为NURBS曲面和普通平面,分别进行分析求解,完成等几何比例边界有限元拓扑优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311104645.5A CN117150851A (zh) | 2023-08-30 | 2023-08-30 | 一种基于智能交互的结构设计分析优化一体化方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311104645.5A CN117150851A (zh) | 2023-08-30 | 2023-08-30 | 一种基于智能交互的结构设计分析优化一体化方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117150851A true CN117150851A (zh) | 2023-12-01 |
Family
ID=88903914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311104645.5A Pending CN117150851A (zh) | 2023-08-30 | 2023-08-30 | 一种基于智能交互的结构设计分析优化一体化方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117150851A (zh) |
-
2023
- 2023-08-30 CN CN202311104645.5A patent/CN117150851A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yildiz et al. | Integrated optimal topology design and shape optimization using neural networks | |
CN108647370B (zh) | 基于双环迭代的无人直升机气动外形优化设计方法 | |
CN111709097B (zh) | 一种基于零亏格网格曲面连续变形的柔顺机构生成方法 | |
CN102184285A (zh) | 一种数字化样机设计集成开发方法和集成开发*** | |
CN107066676A (zh) | 一种基于卫星板壳结构的有限元自动化建模方法 | |
CN111783209B (zh) | 一种学习函数与kriging模型结合的自适应结构可靠性分析方法 | |
CN105893669A (zh) | 一种基于数据挖掘的全局仿真性能预测方法 | |
CA2868755A1 (en) | Updating a cad model to reflect global or local shape changes | |
CN111859747B (zh) | 基于损伤映射有限元网格的分层量化方法 | |
CN106295074B (zh) | 一种运载火箭舱段振动响应特性快速分析及优化方法 | |
CN106204748B (zh) | 一种基于特征的cad体网格模型编辑、优化方法 | |
CN115688276A (zh) | 一种基于离散伴随方法的飞行器外形自动化优化方法、***、设备、介质 | |
CN112380650A (zh) | 工作装置结构件设计方法 | |
Navarrina et al. | A general methodological analysis for optimum design | |
CN107784181A (zh) | 一种面向运载火箭的流固耦合仿真几何模型简化方法 | |
CN114676522A (zh) | 融合gan和迁移学习的气动形状优化设计方法及***及设备 | |
CN110826182B (zh) | 基于顶点法和序贯优化策略的飞行器结构气动弹性设计法 | |
CN117150851A (zh) | 一种基于智能交互的结构设计分析优化一体化方法及*** | |
CN114818128B (zh) | 船体局部曲面优化神经网络建模方法及优化方法 | |
Backhaus et al. | Modularization of high-fidelity static aeroelastic MDO enabling a framework-based optimization approach for HPC | |
CN110321596A (zh) | 一种基于有限元分析的机车车辆结构仿真方法 | |
CN113297764A (zh) | 有限元参数化模型建模方法、***及存储介质 | |
CN113553665A (zh) | 一种基于catia caa的飞机结构件变形设计快速建模方法 | |
CN114077817A (zh) | 基于物理时序分析的改进型综合布局约束 | |
CN113553667B (zh) | 一种基于深度学习的飞机结构件设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |